本研究為利用人工類神經網路探討台灣認購權証之評價模式，利用人工類神經網路學習台灣認購權証之市場價格與Black-Scholes Model 的理論價格間的差異(錯價)，而類神經網路在樣本內與外的表現均優於一般傳統的評價方式。此外，亦以敏感度分析來分析認購權証之市場價格與Black-Scholes Model 的理論價格間的差異可能的影響變數。 本研究的樣本期間為包括民國八十六年九月至民國八十八年二月，樣本資料包含每日權証價格及交易量，每日權証標的股價格及每日大盤指數。檢視目前的權証之價錯，經實証後確實發現以類神經網路可以建立一個較為有效評價模式。

被廣泛應用在選擇權定價的Black-Scholes 模型[3] 時常在深價內與深價外 的選擇權價格有錯價的現象，也就是理論價格估計實際市場價格的偏差。藉由 Black-Scholes 評價公式所反推出的隱含波動度往往不像我們所期待的在不同履約價格具有一致性，這種現象被稱為波動度的微笑曲線。在這份論文裡，我們參考Jarrow and Rudd [13] 提出的方法，將Edgeworth展開式套用在Black-Scholes模型作延伸應用，進而推導出偏態峰態修正後的的評價公式，再利用台指選擇權的市場資料作實證分析並與Filho and Rosenfeld [1] 的研究作比較。我們發現從台指選擇權的實證結果得到非常態分配的隱含偏態和隱含峰態。此外，理論價格的估計偏誤比例顯著的被新的模型改善且隱含波動度的微笑曲線也變的較為平坦，這個方法提供我們一個有效的方法，利用標的資產的偏態峰態得到該資產的近似分配。 / The Black-Scholes [3] option pricing model widely applied in option contracts frequently misprices deep-in-the-money and deep-out-of-the-money options. The implied volatilities computed by the Black-Scholes formula are not identical on each strike price as we expect. This phenomenon is called the volatility smile or skew. In this thesis, we derived a skewness- and kurtosis-adjusted option pricing model using an Edgeworth expansion constructed by Jarrow and Rudd [13] to an investigation of TAIEX option prices and compare the results with those in Filho and Rosenfeld [1]. We found that non-normal skewness and kurtosis are implied by TAIEX option returns. Moreover, the magnitude of price deviations were signicantly corrected and the volatility skew is attened. This approach provides an useful way to derive an approximate distribution of a underlying security with its skewness and kurtosis.